python 有向图求度数，第一行输入顶点数和边数，第二行输入顶点名，后面输入起点坐标，终点坐标，带权度数，求度数

### 回答1：
以下是一个按照你所描述的格式，求有向图中每个节点的入度和出度的示例代码：

n, m = map(int, input().split())  # 顶点数和边数
vertices = input().split()  # 顶点名

in_degree = {v: 0 for v in vertices}  # 初始化每个节点的入度为 0
out_degree = {v: 0 for v in vertices}  # 初始化每个节点的出度为 0

# 统计每个节点的入度和出度
for i in range(m):
    start, end, weight = input().split()
    out_degree[start] += 1
    in_degree[end] += 1

# 输出结果
print("节点\t入度\t出度")
for v in vertices:
    print(v, "\t", in_degree[v], "\t", out_degree[v])

输入示例：

6 8
A B C D E F
A B 1
A C 2
B C 3
B D 4
B E 5
C E 6
D F 7
E F 8

输出结果：

节点	入度	出度
A 	 0 	 2
B 	 1 	 3
C 	 2 	 2
D 	 1 	 1
E 	 2 	 1
F 	 2 	 0

其中，节点 A 的出度为 2，入度为 0，节点 B 的出度为 3，入度为 1，以此类推。

### 回答2：
要求解 Python 中有向图的度数问题，首先需要获取顶点数和边数。假设我们先输入了顶点数 n 和边数 m。

接下来，输入顶点名，假设用字符串数组 vertex_names 存储。

然后，输入 m 行数据，每行为起点坐标、终点坐标和带权度数。假设我们用一个二维列表 edges 存储这些信息。

要求解每个顶点的度数，可以通过创建一个长度为 n 的整数数组 degrees 来存储各个顶点的度数。初始化数组中的每个元素为 0。

然后，遍历 edges 列表，对于每条边 (start, end, weight)，将起点 start 的度数加一。因为边是有向的，若起点是顶点 i，则 degrees[i] += 1。

遍历完 edges 列表后，就可以得到每个顶点的度数。

以下是一个示例代码：

# 输入顶点数和边数
n, m = map(int, input().split())

# 输入顶点名
vertex_names = input().split()

# 初始化 degrees 数组
degrees = [0] * n

# 输入边的信息
edges = []
for i in range(m):
    start, end, weight = map(int, input().split())
    edges.append([start, end, weight])

    # 将起点的度数加一
    degrees[start] += 1

# 输出每个顶点的度数
for i in range(n):
    print(vertex_names[i], "的度数为", degrees[i])

以上代码可以求解所给有向图中每个顶点的度数，并输出结果。其中，度数的计算基于输入的边的信息。

### 回答3：
为了求解有向图的度数，首先需要根据输入的顶点数和边数来创建一个相应大小的邻接矩阵。然后，根据输入的顶点名，将每个顶点与其在邻接矩阵中的位置对应起来。接下来，对于每条边的起点和终点，我们需要在邻接矩阵中将相应的位置标记为1，表示存在一条有向边。

在求解带权度数时，我们需要将每条边的起点和终点在邻接矩阵中的位置找到，并根据带权度数的输入将相应的位置标记为权重值。具体的步骤如下：

1. 输入顶点数和边数，假设顶点数为n，边数为m。
2. 输入n个顶点名，并建立一个字典，将每个顶点名与其在邻接矩阵中的位置对应起来。
3. 创建一个大小为n×n的邻接矩阵，初始化每个元素为0。
4. 输入m条边的起点坐标、终点坐标和带权度数。对于每一条边的起点和终点，将邻接矩阵中对应位置的值标记为1，并将带权度数更新到该位置上。
5. 对于每个顶点，统计其在邻接矩阵中非零元素的个数，即为该顶点的出度。
6. 对于每个顶点，统计邻接矩阵中该列非零元素的个数，即为该顶点的入度。

最后，将得到的度数输出即可。

这个算法的时间复杂度为O(n^2+m)，其中n为顶点数，m为边数。